2025-07-24
🕘 09:00–09:30 น.
Part 1: บทนำสู่ปัญญาประดิษฐ์
AI ไม่เท่ากับ ChatGPT
ประเภทของ AI
Generative AI: What It Is and Why It Matters
AI Competency & AI Usage Framework
🕘 09:30 - 10:00 น.
Part 2: Generative AI สำหรับงานด้านนิติศาสตร์
ศักยภาพของ Generative AI สำหรับงานด้านนิติศาสตร์
ประเภทของ Generative AI ที่สามารถนำมาประยุกต์ในงานด้านนิติศาสตร์
ตัวอย่างกรณีศึกษา : การใช้ AI ในระบบกฎหมายต่างประเทศ
🕘 10:00 - 10:45 น.
Part 3: Prompt 101
หลักการออกแบบ prompt ที่มีประสิทธิภาพ
เทคนิค prompt design สำหรับงานด้านนิติศาสตร์
ตัวอย่าง prompt ในงานด้านนิติศาสตร์ กับการเลือกเครื่องมือที่เหมาะสมกับงาน
🕘 11:00 - 12:00 น.
Part 4: AI Workflow ออกแบบกระบวนการตัดสินใจเสมือนมนุษย์
LLMs & Workflows & Agents
การออกแบบ workflow ที่มีประสิทธิภาพ
ตัวอย่างกรณีศึกษา
🕘 13:00 - 14:45 น.
Workshop 1:
🕘 13:45 - 14:45 น.
Workshop 2:
🕘 15:00 - 16:00 น.
Workshop 3:
สาขาวิชา (Discipline) : AI เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นศึกษาและพัฒนาวิธีการ/ทฤษฎีเพื่อสร้างโปรแกรม/เครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์
การเรียนรู้ (learning)
การให้เหตุผล (reasoning)
การรับรู้ (perception)
การแก้ปัญหา (problem solving)
การปรับตัว (adaption)
AI ไม่ได้มีแค่ ChatGPT, Gemini, Claude, …
AI (Artificial Intelligence) หรือปัญญาประดิษฐ์ เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นการสร้างเครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์ได้ ไม่ว่าจะเป็นการเรียนรู้ การให้เหตุผล การรับรู้ การแก้ปัญหา และการปรับตัว
ChatGPT, Gemini, Claude และเครื่องมือ Generative AI อื่นๆ เป็นเพียงส่วนหนึ่งของ AI ที่มีความสามารถในการสร้างสรรค์เนื้อหาใหม่ๆ เช่น ข้อความ รูปภาพ หรือเสียง แต่ AI มีขอบเขตที่กว้างขวางกว่านั้นมาก และมีหลากหลายประเภทที่ถูกพัฒนาขึ้นมาเพื่อวัตถุประสงค์ที่แตกต่างกัน
AI สามารถแบ่งออกได้หลายประเภทตามความสามารถและวิธีการทำงาน:
Artificial Narrow Intelligence (ANI) หรือ Weak AI: AI ที่ถูกออกแบบมาเพื่อทำงานเฉพาะด้านใดด้านหนึ่งเท่านั้น เช่น AI เล่นหมากรุก, ระบบแนะนำสินค้า, หรือผู้ช่วยเสมือนอย่าง Siri และ Alexa AI ประเภทนี้ไม่สามารถทำงานนอกเหนือจากสิ่งที่ถูกโปรแกรมไว้ได้
Artificial General Intelligence (AGI) หรือ Strong AI: AI ที่มีความสามารถในการเรียนรู้ ทำความเข้าใจ และประยุกต์ใช้ความรู้ในหลากหลายสถานการณ์ได้เหมือนมนุษย์ AI ประเภทนี้ยังอยู่ในขั้นตอนการวิจัยและพัฒนา
Artificial Superintelligence (ASI): AI ที่มีความฉลาดเหนือกว่ามนุษย์ในทุกๆ ด้าน ทั้งความรู้ ความสามารถในการเรียนรู้ และการแก้ปัญหา AI ประเภทนี้ยังเป็นแนวคิดในอนาคต
Reactive Machines: AI ที่ตอบสนองต่อสถานการณ์ปัจจุบันเท่านั้น ไม่มีหน่วยความจำและไม่สามารถเรียนรู้จากประสบการณ์ในอดีตได้ ตัวอย่างเช่น Deep Blue ของ IBM ที่เล่นหมากรุก
Limited Memory: AI ที่สามารถจดจำข้อมูลในอดีตได้ในระยะเวลาสั้นๆ เพื่อใช้ในการตัดสินใจในปัจจุบัน ตัวอย่างเช่น รถยนต์ไร้คนขับที่จดจำความเร็วและทิศทางของรถคันอื่นได้
Theory of Mind: AI ที่มีความเข้าใจในอารมณ์ ความเชื่อ และความตั้งใจของมนุษย์ ซึ่งเป็นความสามารถที่ซับซ้อนและยังอยู่ในขั้นตอนการวิจัย
Self-aware AI: AI ที่มีความตระหนักรู้ในตนเอง มีสติปัญญาและความรู้สึกนึกคิดเหมือนมนุษย์ ซึ่งเป็นแนวคิดที่ยังห่างไกลจากความเป็นจริง
Generative AI (GenAI) คือ ปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถสร้างสรรค์เนื้อหาใหม่ๆ ที่ไม่เคยมีมาก่อนได้ ไม่ว่าจะเป็นข้อความ รูปภาพ เสียง วิดีโอ หรือแม้แต่โค้ดโปรแกรม โดยอาศัยการเรียนรู้จากชุดข้อมูลขนาดใหญ่ (Large Language Models - LLMs สำหรับข้อความ, Diffusion Models สำหรับรูปภาพ) เพื่อทำความเข้าใจรูปแบบและโครงสร้างของข้อมูลเหล่านั้น แล้วนำมาสร้างสรรค์สิ่งใหม่ๆ ที่มีลักษณะคล้ายคลึงกัน
ทำไม Generative AI ถึงสำคัญ?
AI Competency Framework คือ กรอบแนวคิดที่กำหนดชุดของความรู้ ทักษะ และความสามารถที่จำเป็นสำหรับการใช้งานและทำความเข้าใจ AI อย่างมีประสิทธิภาพ โดยมักจะครอบคลุมมิติที่หลากหลาย เช่น ความเข้าใจในหลักการทำงานของ AI, การประยุกต์ใช้ AI ในสถานการณ์จริง, การประเมินผลกระทบทางจริยธรรมและสังคมของ AI, และการพัฒนาทักษะที่จำเป็นในการทำงานร่วมกับ AI
AI Usage Framework คือ กรอบแนวคิดที่ช่วยในการวางแผนและกำหนดแนวทางการนำ AI ไปใช้งานในองค์กรหรือบริบทต่างๆ โดยมักจะเน้นไปที่การระบุวัตถุประสงค์ของการใช้ AI, การเลือกเครื่องมือและเทคโนโลยี AI ที่เหมาะสม, การออกแบบกระบวนการทำงานที่เกี่ยวข้องกับ AI, และการกำหนดมาตรการในการกำกับดูแลและประเมินผลการใช้งาน AI เพื่อให้เกิดประโยชน์สูงสุดและลดความเสี่ยงที่อาจเกิดขึ้น
กรอบแนวคิดเหล่านี้มีความสำคัญอย่างยิ่งในการเตรียมความพร้อมของบุคลากรและองค์กรให้สามารถรับมือและใช้ประโยชน์จากเทคโนโลยี AI ได้อย่างเต็มศักยภาพ โดยเฉพาะอย่างยิ่งในสาขาที่ต้องใช้การตัดสินใจที่สำคัญ เช่น งานด้านตุลาการ
Generative AI มีศักยภาพสูงในการพลิกโฉมงานด้านนิติศาสตร์ โดยเฉพาะอย่างยิ่งในด้านการเพิ่มประสิทธิภาพและลดภาระงานที่ซ้ำซ้อน:
Generative AI หลายประเภทสามารถนำมาประยุกต์ใช้ในงานด้านนิติศาสตร์ได้:
หลายประเทศทั่วโลกได้เริ่มนำ AI มาประยุกต์ใช้ในระบบกฎหมายและกระบวนการยุติธรรมแล้ว:
สหรัฐอเมริกา:
จีน: มีการนำ AI มาใช้ในศาลเพื่อช่วยในการวิเคราะห์คดี แนะนำการตัดสิน และลดภาระงานของตุลาการ เช่น ระบบ AI ที่ช่วยในการตรวจสอบหลักฐานและร่างคำพิพากษาเบื้องต้น
สหภาพยุโรป: มีการพัฒนา AI Act ซึ่งเป็นกฎหมายฉบับแรกของโลกที่มุ่งควบคุมการใช้ AI เพื่อให้เกิดความปลอดภัย โปร่งใส และเป็นธรรม โดยเฉพาะอย่างยิ่งในระบบยุติธรรม
สหราชอาณาจักร: มีการใช้ AI ในการวิเคราะห์ข้อมูลเพื่อช่วยในการตัดสินใจเกี่ยวกับการประกันตัวและการพิจารณาคดี
ตัวอย่างเหล่านี้แสดงให้เห็นว่า AI ไม่ได้เป็นเพียงเครื่องมือช่วย แต่กำลังเข้ามามีบทบาทสำคัญในการเปลี่ยนแปลงภูมิทัศน์ของงานด้านนิติศาสตร์และกระบวนการยุติธรรมทั่วโลก
การออกแบบ Prompt ที่มีประสิทธิภาพเป็นสิ่งสำคัญในการดึงศักยภาพสูงสุดของ Generative AI ออกมาใช้งาน หลักการสำคัญมีดังนี้:
การประยุกต์ใช้หลักการ Prompt Design ในงานด้านนิติศาสตร์มีเทคนิคเฉพาะที่ช่วยเพิ่มประสิทธิภาพ:
ตัวอย่าง Prompt:
การเลือกเครื่องมือที่เหมาะสม:
การเลือกใช้เครื่องมือ AI ที่เหมาะสมกับประเภทของงานและระดับความซับซ้อน จะช่วยให้ได้ผลลัพธ์ที่มีคุณภาพและมีประสิทธิภาพสูงสุด
การทำความเข้าใจความสัมพันธ์ระหว่าง Large Language Models (LLMs), Workflows และ Agents เป็นสิ่งสำคัญในการออกแบบระบบ AI ที่มีประสิทธิภาพ:
Large Language Models (LLMs): เป็นหัวใจสำคัญของ Generative AI มีความสามารถในการประมวลผลและสร้างข้อความภาษาธรรมชาติ แต่โดยลำพังแล้ว LLMs มักจะทำงานแบบตอบสนองต่อ Prompt เพียงครั้งเดียว (single-turn interaction) และไม่มีความสามารถในการวางแผนหรือใช้เครื่องมือภายนอก
Workflows: คือลำดับขั้นตอนที่กำหนดไว้ล่วงหน้าสำหรับการทำงานใดๆ ในบริบทของ AI, Workflow คือการนำ LLMs และเครื่องมือต่างๆ มาจัดเรียงเป็นกระบวนการทำงานที่มีโครงสร้าง เพื่อให้สามารถทำงานที่ซับซ้อนได้ ตัวอย่างเช่น Workflow สำหรับการวิเคราะห์เอกสารทางกฎหมายอาจประกอบด้วยขั้นตอนการดึงข้อมูลจากเอกสาร, การสรุปเนื้อหาด้วย LLM, และการจัดเก็บข้อมูลในฐานข้อมูล
Agents: คือระบบที่ใช้ LLMs เป็นแกนหลัก แต่มีความสามารถในการตัดสินใจและดำเนินการด้วยตนเองเพื่อบรรลุเป้าหมายที่กำหนดไว้ Agents สามารถวางแผน, ใช้เครื่องมือภายนอก (เช่น การค้นหาข้อมูลบนเว็บ, การเรียกใช้ API), และปรับเปลี่ยนการทำงานตามสถานการณ์ได้ Agents มีความยืดหยุ่นและสามารถจัดการกับงานที่ซับซ้อนและไม่แน่นอนได้ดีกว่า Workflow แบบตายตัว
ความแตกต่างสำคัญ:
การออกแบบ AI Workflow ที่มีประสิทธิภาพจะช่วยให้การนำ AI มาใช้งานเกิดประโยชน์สูงสุด:
กรณีศึกษาเหล่านี้แสดงให้เห็นว่าการออกแบบ Workflow และการใช้ Agent สามารถช่วยให้งานด้านนิติศาสตร์มีประสิทธิภาพและประสิทธิผลมากขึ้นได้อย่างไร
🕘 13:00 - 14:45 น.
Workshop 1:
🕘 13:45 - 14:45 น.
Workshop 2:
🕘 15:00 - 16:00 น.
Workshop 3:
Siwachoat Srisuttiyakorn, et.al
Faculty of Education Chulalongkorn University